BloodHound项目中的Self ACL权限解析与修复
在Active Directory安全评估工具BloodHound及其数据收集组件SharpHound中,近期发现并修复了一个关于Self ACL(访问控制列表)权限的重要问题。这个问题涉及到用户对自身权限的特殊控制场景,对于Active Directory安全评估具有重要意义。
问题背景
在Active Directory环境中,存在一种特殊的权限配置:允许用户将自己添加到特定安全组中。这种权限通过设置特殊的Self ACL实现,其中包含以下关键属性:
- ActiveDirectoryRights: Self
- AccessMask: 8 (对应WRITE_DAC权限)
- SecurityIdentifier: 指向用户自身的SID
这种配置在实际环境中相当常见,特别是在需要用户自助管理组成员身份的业务场景中。然而,在BloodHound 6.4.0和SharpHound v2.5.13版本中,这种权限关系无法被正确识别和展示。
技术细节分析
从技术实现角度看,这个问题源于SharpHound数据收集器对特定类型ACE(访问控制项)的处理逻辑。具体表现为:
-
当PowerView.ps1的Get-DomainObjectACL命令能够正确识别这种Self ACL时,SharpHound却无法将其转化为BloodHound可识别的边关系。
-
这种权限的特殊性在于它结合了Self权限和WRITE_DAC访问掩码,形成了一个独特的权限组合,允许主体用户修改自己在目标组中的成员身份。
-
从安全评估角度,这种权限关系非常重要,因为它实质上提供了权限提升的潜在路径 - 用户可以通过将自己添加到高权限组来提升自己的访问级别。
影响范围
这个bug影响了BloodHound对Active Directory权限关系的完整展示,可能导致安全评估人员遗漏以下重要信息:
- 用户自助加入组的权限路径
- 潜在的权限提升路径
- 访问控制矩阵中的关键边关系
解决方案
该问题已在SharpHound v2.6.7版本中得到修复。新版本改进了ACL解析逻辑,能够正确识别和处理包含Self权限的特殊ACE。升级后,BloodHound现在可以:
- 正确展示用户到组的Self ACL边关系
- 在攻击路径分析中考虑这种特殊权限
- 提供更完整的Active Directory权限图谱
最佳实践建议
对于Active Directory安全评估人员,建议:
- 及时升级到SharpHound v2.6.7或更高版本
- 在评估中特别注意Self ACL权限配置
- 定期审查允许用户自助管理组成员身份的组策略
- 将这种特殊权限纳入常规权限审计范围
这个修复显著提升了BloodHound在复杂Active Directory环境中的分析能力,使安全团队能够更全面地评估和防护权限提升风险。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00